Кому на самом деле достаётся признание в коллективной работе и как привлечь внимание к своим заслугам Статьи редакции

Фрагмент из ещё не опубликованной книги «Формула», в которой учёный Альберт-Ласло Барабаши с помощью больших данных пытается найти универсальные законы успеха.

Я узнал о Дугласе Прешере, когда разработанный нами алгоритм сделал непредсказуемый прогноз: именно Дуглас должен был получить Нобелевскую премию 2008 года.

Вместо этого награду вручили трем другим учёным. Ещё больше я удивился, когда мы вообще нигде не смогли найти Прешера. Он не работал ни в одном университете и не входил в число сотрудников отраслевых исследовательских лабораторий. Начав поиски, мы поняли, что он уже лет десять не публиковал ни одной статьи. Всё это нас озадачило. Складывалось впечатление, что человек, который, по мнению нашего алгоритма, был достоин Нобелевской премии, просто исчез с лица земли.

Наука часто кажется нам игрой для одиноких гениев: мы представляем, как Мария Кюри ночами работала в лаборатории, как Ньютон задумчиво сидел под яблоней и как Эйнштейн размышлял о великом, работая в патентном бюро. Но сегодня науку в основном двигают команды, члены которых сотрудничают друг с другом, делясь своим уникальным опытом.

В связи с этим наша привычка прославлять выдающихся ученых устарела. Главные награды мира науки, например Нобелевская премия, в духе 20 века ориентированы на индивидуальные достижения. Лауреатами Нобелевской премии могут стать не более трех человек, поэтому очень сложно воздать всем по заслугам в эпоху, когда почти никто не пишет статьи в одиночку, а совместная работа играет все более важную роль.

Как упоминалось в предыдущей главе, с 1990-х годов самые значительные открытия совершают не гении-одиночки, а крупные команды. Как же Нобелевский комитет решает кому из множества соратников вручить премию?

Этот вопрос, само собой, поднимается не только в науке. Чаще всего при командной работе бонусы достаются одним, повышение по службе и прибавку к зарплате получают другие, а большинство членов команды и вовсе остается в тени. Всё чаще мы проповедуем равноправие в коллективной работе, но из-за этого растет риск размывания ролей членов команды и усложняется распределение наград.

В 2013 году в мою лабораторию пришёл специалист по компьютерным наукам из Пекина Хуавей Шень. Хотя в команде он был новичком, он прекрасно знал, чем мы занимаемся. Хуавей не только руководил лабораторией сетевой науки в своем университете, но и перевёл мою прошлую книгу «Всплески» на китайский. Он с удовольствием присоединился к нашей маленькой, но растущей «группе успеха».

Каждый раз, приступая к новому проекту, мы запускаем журнальный клуб, члены которого изучают имеющуюся научную литературу, чтобы понять, что уже было сделано в определенной области. Каждый из нас читает по несколько статей и пересказывает их суть остальным сотрудникам лаборатории.

Учитывая, что каждый год публикуется миллион работ, это единственный способ изучить огромный корпус накопленных в мире знаний. На одной из встреч журнального клуба Хуавей пересказал нам статью по социологии, авторы которой анализировали распределение заслуг в науке.

Обсуждая этот вопрос, мы поняли, насколько странные правила используются для этого в нашей профессии. Чтобы понять все нюансы, нужно в этом вариться. Возьмем, к примеру, статью, в которой сообщается об открытии W- и Z-бозонов.

В списке ее авторов 137 имён. Кто получил Нобелевскую премию? Само собой, авторы номер 105 и 126, Карло Руббиа и Симон ван дер Мер. Каким-то образом Нобелевский комитет находит способ определить, кто что сделал и кому принадлежит львиная доля заслуг, на каком бы месте ни стояло имя автора. Но как это происходит?

Пока мы обсуждали странную схему распределения заслуг в нашей профессии на встрече клуба, я задал Хуавею вопрос: если Нобелевский комитет может выбрать лауреата из более чем сотни авторов, почему его не можем выбрать мы?

Хуавей взялся за эту проблему и через несколько недель разработал алгоритм, который, как компас, неизменно указывающий на север, безошибочно определял, кому из длинного списка ученых, внесших свой вклад в открытие, в итоге достанется Нобелевская премия. Точность алгоритма граничила с волшебством. Он справлялся с прогнозами как в физике, где авторы порой перечисляются в алфавитном порядке, так и в биологии, где имя лидера обычно стоит на последнем месте в списке.

Мы не переставали удивляться его результатам. Программа с легкостью согласилась с выбором Руббиа и ван дер Мера из списка всех авторов и проделала то же самое со всеми статьями, авторы которых получили премию за последние тридцать лет, не прочитав при этом ни одной работы.

Наш алгоритм не согласился с решением Нобелевского комитета лишь в нескольких случаях. В каждом из них некорректное распределение заслуг приводило к напряжению в научном сообществе, а сами лауреаты озвучивали сомнения в справедливости своих побед.

Один из этих случаев был особенно любопытен: почему-то алгоритм, как сошедший с ума навигатор на перекрытой дороге, упорно настаивал, что Нобелевскую премию по химии в 2008 году должен был получить Дуглас Прешер. Проблема заключалась в том, что Дуглас Прешер словно исчез с лица земли. А потом мы его нашли.

Нет, он не прятался в секретном государственном учреждении. Он не скрывался и за стенами скрытой высокотехнологичной компании. Он жил в Хантсвилле, штат Алабама, и водил подменный фургон автосалона Toyota. Тот самый фургон, который подвозит клиентов до работы, когда они на целый день оставляют машины в мастерской.

Что случилось? Чтобы ответить на этот вопрос, нам пришлось провести настоящее расследование. Прешер первым проклонировал и просеквенировал ДНК зеленого флуоресцентного белка (ЗБФ), который заставляет медуз светиться в темных глубинах океана. По сути, ЗФБ представляет собой крошечный фонарик, который учёные могут прикрепить к любому белку, чтобы, изучая белки под микроскопом, точно видеть, когда они производятся, куда перемещаются в клетке, а также как и когда исчезают.

Объявив имена лауреатов премии, Нобелевский фонд назвал ЗФБ «путеводной звездой биохимии». Именно Прешер первым разглядел потенциал ЗФБ. На заре своей карьеры он, засучив рукава, копался в желеобразных телах медуз, хотя в то время никто не считал их достойными изучения.

Он не просто пачкал руки, вылавливая медуз сетками для чистки бассейнов и выделяя их биолюминесцентные белки, но и составлял богатые библиотеки ДНК медуз, работая с замороженными тканями, заранее собранными вручную.

Более того, именно Дуглас первым выявил ген, отвечающий за производство особых светоиспускающих белков, которые теперь используются в медицинских исследованиях. Прекрасно понимая колоссальный потенциал обнаруженного гена флуоресценции, Прешер даже нашел способ извлечь материал из медузы и клонировать его.

Сегодня почти все лаборатории молекулярной биологии опираются на его открытие. Если вы хотите выяснить, как в опухоли появляется раковая ткань, узнать, как работает мозг мыши при прохождении лабиринта, или разработать новое лекарство от диабета, вам нужно использовать ЗФБ.

Немногие инструменты оказали столь огромное влияние на современную биологию и медицину. Неудивительно, что Нобелевский комитет решил вручить премию за это открытие. Удивительно, однако, что получил её не Прешер.

Наш алгоритм применялся к десяткам удостоенных премии открытий и доказал, что Нобелевский комитет крайне редко совершал ошибки. Что же случилось в 2008 году? Чтобы найти ответ на этот вопрос, нам пришлось изучить, как вообще происходит распределение заслуг при командной работе.

Два года назад я получил сообщение от своего соседа из Бостона Акоша Эрдёша. «Я купил билеты на концерт своей любимой певицы в воскресенье, но меня не будет в городе, — написал он. — Хочешь сходить вместо меня?».

Тем вечером я был свободен и одинок, а потому согласился. Однако, когда Акош рассказал мне больше, я пришел в восторг. Он предлагал мне билеты на концерт Норы Джонс. Я был её фанатом с тех пор, как в 2002 году она выпустила свой первый альбом «Come Away with Me», и добавлял все её новые альбомы в свою музыкальную библиотеку.

Я обращался к её музыке всякий раз, когда мне нужно было успокоиться или проветриться: честно говоря, я чуть ли не каждый вечер засыпал под её пение. Четыре дня спустя я сидел в театре «Орфеум» в центре Бостона, впервые слушая ее баюкающий голос живьём.

Как ни странно, несмотря на глубокий, уверенный и очень знакомый голос, сама певица казалась совсем неприметной. Музыка была такой же органичной и наполненной, какой я ее помнил, но миниатюрная Джонс словно потерялась в толпе своих слушателей.

Между песнями она представила всю группу — басиста, гитариста, ударника и клавишника, — назвав каждого из музыкантов по имени. Само собой, мы вежливо похлопали, но теперь я не помню ни одного имени. Я вообще плохо помню, какие инструменты аккомпанировали Джонс, за исключением фортепиано, за которое она время от времени садилась сама.

Когда меня спрашивали, как прошли мои выходные, я отвечал, что сходил на концерт Норы Джонс, а не на концерт Норы Джонс, Джейсона Робертса и Грега Витшорека, хотя быстрый поиск в Google говорит мне, что на сцене были не только они, но и несколько других музыкантов.

Мне достаточно было назвать ее прославленное имя, чтобы в памяти у собеседников всплыли её знаменитое лицо и знакомый голос. Все сразу понимали, о ком я говорю. Если бы я сказал, что ходил на концерт Джейсона Робертса, Грега Витшорека или даже Puss n Boots — одной из трех групп, в которых поет Джонс, — никто не понял бы, о ком идет речь.

Невидимки вроде Джейсона Робертса и Грега Витшорека встречаются повсюду. В 2009 году автор книги Moneyball Майкл Льюис написал для The New York Times Magazine любопытную биографию баскетболиста Шейна Баттье.

Традиционная статистика показывала, что выступавший за «Хьюстон Рокетс» Баттье был обычным середняком по стандартам НБА. Он плохо владел дриблингом, редко делал броски и неважно играл в подборе. Он двигался слишком медленно и не показывал класс, принося команде мало очков.

Любители баскетбола быстро списывали его со счетов, смотря на игру и статистику. Хотя баскетболист агрессивно играл в защите, атакующие игроки, казалось, считали его скорее помехой, чем угрозой. Он напоминал двухметрового комара, от которого им постоянно приходилось отмахиваться.

И все же в Баттье было нечто уникальное: когда он выходил на площадку, его команда выигрывала гораздо чаще. Он изучал слабости других игроков и использовал эти знания, чтобы незаметно одолевать их. Спортсмен не привлекал к себе излишнего внимания — работая по всей площадке и ослабляя противников в неожиданных местах, он оставался незамеченным, будучи одновременно нигде и всюду.

Он был мастером маскировки и мог бы вовсе пропасть из виду, если бы не яркая красно-белая форма. И всё же статистика показывает, что, когда Баттье блокировал Коби Брайанта, которого большинство считало лучшим баскетболистом лиги, в атаке, «Лейкерс» смотрелись хуже, чем если бы Брайант вовсе не пришёл на игру.

Иными словами, Баттье — середняк по большинству параметров — превращал баскетбольного бога Брайанта в «обузу для своей команды». И все же заслуги Баттье в успехе «Рокетс» 2006–2011 годов остались практически непризнанными — его не оценили ни комментаторы, ни болельщики, ни другие игроки, ни товарищи по команде.

Однажды Гарри Трумэн сказал: «Поразительно, сколько можно достичь, когда не важно, кому достанутся лавры». Шейн Баттье — живое доказательство его словам. Он сумел показать, чего можно добиться на площадке, забыв об эгоизме.

Не зря знаменитое высказывание Трумэна иногда приписывают баскетбольному тренеру Калифорнийского университета в Лос-Анджелесе Джону Вудену, который задолго до Баттье понял, насколько ценны в его виде спорта настоящие командные игроки.

А возможно, идею первым озвучил английский писатель Чарльз Монтегю, который написал: «Нет предела тому, чего может достичь человек, когда его не заботит, кто получит признание». Разве не забавно, что цитату о совместных заслугах приписывают стольким людям?

Но многие неизвестные шейны баттье, джейсоны робертсы и греги витшокеры заставляют нас задать вопрос: кому достаются лавры, если никто на них не претендует?

Работая в команде — будь то команда программистов, пишущих код Facebook, команда инженеров, запускающих очередной спутник, или команда врачей, осуществляющих пересадку печени, — каждый гадает, кто в итоге получит признание за коллективные достижения. Меня всегда заботил этот вопрос. К счастью, наше исследование распределения заслуг помогло мне найти ответ на него.

Механизм алгоритма Хуавея был прост: закономерности цитирования — не только для анализируемой статьи, но и для всех статей соавторов — оставляют след влияния. Присмотревшись к нему, мы можем понять, кто заслуживает признания за открытие в глазах общественности. Если ученый сыграл ключевую роль в прорыве, его прошлая работа, вероятно, связана с ним. Наткнувшись на золотую жилу, он, как правило, продолжает изучать сопряженные идеи.

Мы с Хуавеем обнаружили, что, проследив карьерный путь каждого члена научной команды, мы можем точно определить предполагаемого «владельца» конкретного открытия, которым почти всегда становится исследователь, наиболее последовательно занимавшийся исследованиями в соответствующей области.

Вот необычный пример. Если я написал статью в соавторстве с папой римским, кому достанутся лавры? Это зависит от ряда факторов. Если статья посвящена глубокому теологическому вопросу, а мой вклад заключается лишь в том, что я помогаю папе использовать при анализе инструменты сетевой науки (я не представляю, как еще могу внести вклад в теологические дебаты), то статья, безусловно, становится заслугой папы.

Теологи будут цитировать эту работу вместе с другими документами папства, а я останусь лишь её случайным соавтором в этой сфере. В то же время если статья главным образом посвящена сетевой науке, результат окажется совершенно иным. В таком случае — уж простите меня за богохульство — статья моя.

Возможно, папа имеет доступ к божественным силам, которые даруют ему уникальные озарения, а некоторые из них, вероятно, даже позволяют ему внести свой вклад в статью. Однако, поскольку папа прежде не работал в сфере сетевой науки, ссылаться все будут на меня. Статья Франциска–Барабаши или Барабаши–Франциска по сетевой науке на самом деле не совместная статья. Это моя статья.

Для меня самым неожиданным открытием алгоритма стало то, что заслуги между членами команды распределялись не на основании того, кто на самом деле выполнял работу. При присуждении наград мы не смотрим, кто предлагает идею, кто неделями трудится над ней, кто приходит на встречи, чтобы попить кофе с пончиками, кто в последний момент выдвигает важное предположение, кого настигает озарение и кто громче всех кричит, на самом деле не привнося ничего.

Алгоритм точно определял лауреатов Нобелевской премии не на основании их реальных заслуг. Он ориентировался на то, как коллеги по отрасли следили за работой одних соавторов и игнорировали работу других. Точность прогнозов алгоритма позволила нам увидеть, что при командной работе распределение заслуг происходит не на основе результативности, а на основе восприятия.

Это вполне логично, если вспомнить, что успех представляет собой коллективный феномен и зависит от восприятия наших результатов другими людьми. Наши зрители и коллеги распределяют заслуги на основе собственного восприятия нашего вклада и вклада наших соратников.

Вкупе с описанным в предыдущей главе — где подчеркивается важность многопрофильности и баланса в команде — это дает нам четвертый закон успеха:

Чтобы добиться успеха, крайне важно это понимать, ведь в таком случае мы сможем превратить четвертый закон в инструмент, необходимый, чтобы максимизировать продуктивность командной работы и получить заслуженное признание.

Мне не забыть душераздирающую фотографию сирийского малыша, которая всплыла в новостях в 2015 году. Он лежал лицом вниз на песке, наполовину в воде и почти не отличался от большинства детей, утомившихся за долгий день.

Но его безжизненное тело покоилось не на руках у родителей, а на пустынном пляже. Казалось, ему было холодно в тонкой задравшейся футболке. Он был одним из тысяч людей, утонувших в тот год в отчаянной попытке сбежать с раздираемой войной родины, но именно его образ навсегда запечатлелся в нашей коллективной памяти.

Слушая статистику миграционного кризиса, мы отключаемся. Цифры не передают истинный ужас происходящего, а потому не находят в нас отклика. Они не подталкивают нас к действию. Но затем появляется лицо, человек, фотография — и мы вдруг осознаём катастрофичность ситуации.

Для миллионов людей со всего света этот мальчик на мгновение стал причиной наконец разобраться с той ужасной войной. После появления этой фотографии финансирование миграционных проблем возросло стократно.

Чтобы выжить, мы научились игнорировать миллионы фрагментов данных, сосредотачиваясь на медведе, который угрожает нам, или ягодах, которые могут нас прокормить. Эволюция также научила нас создавать родственные связи.

В современном мире эта биологическая особенность влияет на наши решения, хотя порой мы даже не замечаем этого. Например, она вступает в действие, когда мы решаем, кого вознаградить за хорошую работу.

Тенденция обращать внимание на личные, а не командные достижения, отмечая конкретных людей и героев, находит отражение в нашем языке. Мы считаем важную работу заслугой одного человека, говоря о теории эволюции Дарвина, психоанализе Фрейда, архитектуре Фрэнка Гери, фильме с Джулией Робертс или телесериале Дэвида Линча.

Мы также нанимаем сотрудников, повышаем их и переводим на новые должности, ориентируясь на портфолио их работ, хотя сегодня мало кто работает в одиночку. В некоторых случаях — например, с банками супа Уорхола или электрокарами Илона Маска — остающихся на заднем плане даже не замечают.

Эти несчастные не получают никакого признания за свой вклад в успех. Но даже если все их имена становятся известны — благодаря перечислению в титрах к фильмам или в списках авторов научных работ, — толку от этого мало.

Когда мы листаем полный список авторов, многочисленные незнакомые имена ни о чем нам не говорят. Те имена, которые мы видели раньше, напротив, выделяются из общей массы, как белок, подсвеченный изнутри открытым Прешером ЗФБ.

Такая реакция инстинктивна и практически бессознательна: дело в том, что так наш мозг отфильтровывает неважную информацию. Распределение заслуг происходит по принципу «богатеющих богачей», с которым мы уже встречались, рассматривая другие аспекты успеха.

Принцип предпочтительного присоединения, лежащий в основе третьего закона успеха, не ограничивается заработками, известностью и цитированием. Он также применим к распределению заслуг. Если заявку на кредит подаст человек, который ранее не брал кредитов у банка, служащий не преминет напомнить ему: «Простите, но мы даем кредиты только тем, кто брал их ранее».

Это значит, что совместная работа таит опасности. Например, если я вношу свой вклад в работу постдока из моей лаборатории — скажем, Бурджу или Дашуня, теоретически мое имя следует указывать в списке авторов статьи.

У меня тридцать лет опыта, а потому мое узнаваемое имя может привлечь внимание коллег по отрасли и повысить вероятность того, что они ознакомятся с исследованием. Но не все так просто: например, несмотря на годы героической работы, которые Дашунь посвятил статье об успехе, как только мое имя окажется в списке авторов, люди станут приписывать его открытия мне.

Они незаслуженно присвоят мне львиную долю заслуг, просто потому что они знакомы с моей работой. Такая проблема возникает не только в науке. Получая шанс поработать вместе с авторитетным специалистом в вашей области, вы считаете, что вам крупно повезло. У вас появляется возможность не только трудиться бок о бок со светилом, но и сотрудничать в рамках интересных проектов, пополняя свое резюме.

Каждый член команды, участвующий в важном предприятии, имеет право говорить о своем вкладе в итоговый продукт. Вы учитесь у лучших и, возможно, даже прокладываете себе дорогу на руководящие посты.

Кроме того, вы можете использовать свою близость к светилу в качестве преимущества при поиске другой работы. Представьте, что вам дает рекомендацию лидер вашей отрасли — человек, который действительно может оценить ваши способности.

Описанный метод неоднократно проверен на практике — не зря бабушки и дедушки наперебой рекомендуют его своим внукам. Начиная в качестве подмастерья, человек получает немало преимуществ, но в долгосрочной перспективе эта тактика может обернуться провалом.

Подумайте о тысячах инженеров и дизайнеров, неустанная работа которых позволила Стиву Джобсу «изобрести» iPhone. Подумайте о пятидесяти художниках, ремесленниках и инженерах, которые помогли художнику-концептуалисту Олафуру Элиассону придумать и установить водопад под Бруклинским мостом. Подумайте о музыкантах, аккомпанирующих Норе Джонс, которые всю жизнь играют на больших сценах, но всегда остаются в тени своей бесконечно более известной солистки.

Само собой, каждой группе нужен басист, а каждая новая модель iPhone требует креативности бесчисленных инженеров. Однако, если вы хотите стать Стивом Джобсом, Олафуром Элиассоном или Норой Джонс — то есть суперзвездой в своей области, — нельзя постоянно оставаться на заднем плане.

Чтобы достичь успеха, нужно запустить принцип предпочтительного присоединения, увеличивая число собственных заслуг. Я говорю студентам, что работа с известными учеными — лучший способ завоевать репутацию в науке… на первых порах.

Однако в определённый момент нужно пойти дальше самому. Этот совет основан не только на моем опыте работы в науке, но и на самой науке. Например, наш алгоритм показал, что при первой публикации в 1985 году статья, которая в 1997-м принесла одному из авторов Нобелевскую премию по физике, «принадлежала» Артуру Эшкину.

Из пятерых авторов он был самым опытным и гораздо более известным в своей сфере, чем его молодой и подающий надежды соавтор Стивен Чу. Алгоритм присудил Эшкину 79 процентов заслуг, поскольку статья часто цитировалась вместе с другими работами об оптических пинцетах, которые Эшкин опубликовал ранее.

Вклад Стивена Чу, напротив, изначально был оценен лишь в 5 процентов. Со временем принадлежность статьи изменилась, поскольку Чу продолжил публиковать другие важные работы на ту же тему, а Эшкин нет. Постепенно люди начали связывать с прорывным исследованием именно Чу.

Наш алгоритм также уловил этот сдвиг и передал заслуги Стивену. В связи с этим в 1997 году, когда Нобелевский комитет присуждал награды, премию получил именно Чу. Иными словами, если провести слишком много времени в тени другого человека, наш вклад так и не будет отмечен.

Нас оттесняют на периферию, когда мы пытаемся работать над разрозненными проектами, перепрыгивая с вопроса на вопрос. Гораздо лучше присвоить себе бесхозную территорию, как поступила одна из моих бывших постдоков, Марта Гонсалес.

Работая постдоком в моей лаборатории, Марта начала анализировать мобильность населения. Когда вышла наша первая совместная статья, львиная доля заслуг была приписана мне.

Однако десять лет спустя Марта стала экспертом в этой сфере, полностью затмив меня. Сегодня при обсуждении мобильности населения неизменно всплывает ее имя. Может, я и помог ей пробить себе дорогу, выступив соавтором ее первых статей, но в конце концов именно она стала специалистом по теме и завоевала репутацию в соответствующей сфере.

#формула